基于机器学习算法的服装直播销量预测模型

为了完善直播销量预测的指标体系,提高直播销量预测的准确率,本文对比多种机器学习算法,分析服装直播销量的影响因素并预测服装直播销量。首先,通过文献分析选取直播销量的影响因素,并使用Spearman相关系数结合显著性进行筛选。其次,通过不同机器学习算法建立服装销量预测模型。选用R 2、MAE、RMSE及MAPE为评价指标,采用5折交叉验证的方法,测试各模型性能。研究结果表明:主播粉丝数、主播近30天场均观看人次、主播近30天场均坑产、产品价格、产品讲解时长、产品近30天历史销量、品牌粉丝数、品牌近30天历史销量、折扣这9个因素之间共线性较弱且与直播销量之间的相关性显著,可作为预测模型中的影响因素;预测算法中K近邻算法和随机森林算法的表现较好,R 2均大于0.98,MAPE均在30.5%以内。预测结果可帮助零售商规划库存,调整生产计划,为产品采购、定价、推广提供数据支持。

触觉意象对消费者服装在线购买意愿的影响

触觉意象在线上购物中为消费者提供真实触感和虚拟触感的连接体验。基于S-O-R模型与文献研究,实证分析触觉意象对服装在线购买意愿的影响。研究结果表明:触觉意象显著正向影响产品质量感知、购买意愿和愉悦度;愉悦度、时间风险显著正向影响购买意愿;愉悦度在触觉意象与购买意愿间具有显著中介效应;接触需求在触觉意象与产品质量感知、触觉意象与愉悦度间有显著的正向调节作用。研究成果可为服装企业完善在线触觉营销策略,丰富线上购物体验提供依据。